URI | http://purl.tuc.gr/dl/dias/3205D4B3-6DF2-42EA-8137-727E4C9E7BD3 | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.78696 | - |
Γλώσσα | el | - |
Μέγεθος | 109 σελίδες | el |
Μέγεθος | 3,77 megabytes | el |
Τίτλος | Ανάπτυξη πολυκριτήριας μεθοδολογίας υπολογισμού βαρών σε ensemble τεχνικές
μηχανικής μάθησης | el |
Τίτλος | Development of multicriteria method for assessing weights in machine learning ensemble models | en |
Δημιουργός | Flokos Theodoros | en |
Δημιουργός | Φλωκος Θεοδωρος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Matsatsinis Nikolaos | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Ματσατσινης Νικολαος | el |
Συντελεστής [Βοηθός] | Sakellaris Alkaios | en |
Συντελεστής [Βοηθός] | Σακελλαρης Αλκαιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Tsafarakis Stelios | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Τσαφαρακης Στελιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Grigoroudis Evangelos | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Γρηγορουδης Ευαγγελος | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
Περιγραφή | Διπλωματική εργασία που υποβλήθηκε για τη μερική κάλυψη των αναγκών απόκτησης του Διπλώματος Μηχανικού Παραγωγής και Διοίκησης. | el |
Περιγραφή | Diploma thesis submitted for the partial fulfillment of the requirements for the Diploma of Production Engineering and Management. | en |
Περίληψη | Η ανάγκη για το συνδυασμό της γνώσης των ειδικών και η χρησιμοποίηση αυτής για την υποβοήθηση της λήψης αποφάσεων, είναι ένα θέμα το οποίο απασχολεί σε μεγάλο βαθμό τη σύγχρονη επιστήμη των αποφάσεων. Ένα από τα προβλήματα που αντιμετωπίζεται συχνά από τους ειδικούς κατά τη διάρκεια της λήψης αποφάσεων είναι η ταξινόμηση αντικειμένων(πχ προϊόντων, υπηρεσιών, καταστάσεων κτλ) σε πολλαπλές κατηγορίες.
Από την άλλη μεριά, η «έκρηξη» των δεδομένων στη σημερινή εποχή, καθιστά τη διαδικασία της ταξινόμησης αντικειμένων ως ένα εξαιρετικά δύσκολο έργο για τους ειδικούς. Για αυτό το λόγο έχουν αναπτυχθεί υπολογιστικά μοντέλα στο τομέα της
μηχανικής μάθησης, τα οποία προσομοιάζουν το τρόπο λήψης αποφάσεων των ειδικών με τη βοήθεια εμπειρικών δεδομένων.
Αυτά τα μοντέλα στην περίπτωση της διαδικασίας της ταξινόμησης αντικειμένων είναι γνωστά ως «ταξινομητές». Με σκοπό την περαιτέρω βελτιστοποίηση της λήψης αποφάσεων, έχουν αναπτυχθεί τεχνικές για το συνδυασμό των «ταξινομητών», οι οποίες είναι γνωστές ως «ensemble» τεχνικές. Ένα από τα προβλήματα που παρουσιάζονται στην ανάπτυξη «ensemble» τεχνικών είναι η ποσοτικοποίηση της συνεισφοράς του κάθε «ταξινομητή» στην τελική απόφαση. Η πλειοψηφία των διαδεδομένων «ensemble» τεχνικών, είτε αποδίδει ένα «βάρος» σε κάθε «ταξινομητή» ανάλογα με την απόδοση του σε κάποιο συγκεκριμένο στατιστικό μέτρο ακρίβειας, είτε κάνει την υπόθεση ότι η συνεισφορά όλων των «ταξινομητών» είναι ισότιμη.
Όμως είναι γνωστό ότι τα στατιστικά μέτρα ακρίβειας έχουν πλεονεκτήματα και μειονεκτήματα λόγο των υποθέσεων που κάνουν. Συνεπώς η επιλογή ενός μόνο στατιστικού μέτρου για την κατανομή των βαρών των «ταξινομητών» δημιουργεί ελλείψεις στο τρόπο επιλογής των βαρών. Εμείς θα διερευνήσουμε τη δυνατότητα το παραπάνω πρόβλημα να θεωρηθεί ως ένα πολυκριτήριο πρόβλημα, αμβάνοντας ως κριτήρια ένα σύνολο από στατιστικά μέτρα ακρίβειας. Σκοπός της παρούσας διπλωματικής εργασίας είναι ανάπτυξη μιας «ensemble» τεχνικής η οποία θα λαμβάνει υπόψη της τα προαναφερθέντα στην κατανομή των βαρών των «ταξινομητών» χρησιμοποιώντας μεθόδους από τη πολυκριτήρια ανάλυση. | el |
Περίληψη | The need for expert knowledge fusion and it’s use for decision support, is a troubling subject for the modern decision sciences. One of the problems the experts face during the process of decision making is the classification of objects (ex: products, services, conditions etc.) in multiple classes.
On the other hand, the «explosion» of data in the modern era , makes the classification of objects a difficult task for experts. To tackle this set of problems, numerous computational models in the field of machine learning have been developed, that simulate the way experts make decisions using empirical data. In the context of classification those models are called «classifiers» . For the post optimization of the decision making process a class of methods have been developed for the fusion of the classifiers which are called «ensemble» methods. One of the common problems in the process of creating an ensemble is defining the distribution of weights of the classifiers. Most of ensemble methods set the classifiers weights based on the classifiers performance or they set equal weights for all the classifiers. Though the classification performance measures show some advantages and disadvantages depending the hypothesis each of them is based on. So the selection of single classification performance measure to define the classifiers weights is not an effective technique. We are going to model such a problem as multicriteria problem, taking into account a set of classification performance measures. The goal of this dissertation is to develop an «ensemble» method that takes into account all of the things mentioned above in the definition of classifiers weights, with the help of multicriteria decision analysis. | en |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2018-09-14 | - |
Ημερομηνία Δημοσίευσης | 2018 | - |
Θεματική Κατηγορία | Συνδυασμός ταξινομητών | el |
Θεματική Κατηγορία | Unsupervised learning | en |
Θεματική Κατηγορία | Μάθηση χωρίς επίβλεψη | el |
Θεματική Κατηγορία | Supervised learning | en |
Θεματική Κατηγορία | Μάθηση με επίβλεψη | el |
Θεματική Κατηγορία | Classifier | en |
Θεματική Κατηγορία | Ταξινομητής | el |
Θεματική Κατηγορία | Classification | en |
Θεματική Κατηγορία | Ταξινόμηση | el |
Θεματική Κατηγορία | Machine learning | en |
Θεματική Κατηγορία | Μηχανική μάθηση | el |
Θεματική Κατηγορία | Artificial intelligence | en |
Θεματική Κατηγορία | Τεχνητή νοημοσύνη | el |
Θεματική Κατηγορία | Πολυκριτήρια ανάλυση αποφάσεων | el |
Θεματική Κατηγορία | Multicriteria decision analysis | en |
Θεματική Κατηγορία | MCDA | en |
Θεματική Κατηγορία | Ensemble learning | en |
Θεματική Κατηγορία | Ensemble | en |
Βιβλιογραφική Αναφορά | Θεόδωρος Φλώκος, "Ανάπτυξη πολυκριτήριας μεθοδολογίας υπολογισμού βαρών σε ensemble τεχνικές μηχανικής μάθησης", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2018 | el |
Βιβλιογραφική Αναφορά | Theodoros Flokos, "Development of multicriteria method for assessing weights in machine learning ensemble models", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2018 | el |